问财量化选股策略逻辑
本选股策略选取振幅大于1、周线MACD在零轴之上、规模2亿以上的股票作为投资标的。
选股逻辑分析
本选股策略主要以技术面为主，考虑了振幅和MACD指标。匹配这些指标可以筛选出短期内存在价格波动但又有增长潜力的股票。同时，考虑到公司规模的重要性，筛选规模较大的公司，能够在股票价格减小时防止投资价值的下降。
有何风险？
本选股策略较为单一，只考虑了技术面和基本面数据，没有覆盖到公司未来的增长潜力等重要因素，也没有考虑行业特点、政策环境等其他非技术面数据。此外，选取的规模数据范围过窄，有可能会影响选股结果。
如何优化？
可以考虑加入更多的指标来确定股票的投资价值。例如加入公司营收情况、利润情况、资产负载情况等数据进行分析。同时，可以针对不同行业进行分类选择，考虑到市场环境和需求的变化，选取不同的股票。另外，在规模的选择上，可以参考不同公司的资产规模、营收规模等数据，选取适当的范围进行分析。
最终的选股逻辑
本选股策略将技术面和基本面数据相结合，选取振幅大、MACD指标好且规模大于2亿的股票作为投资标的，并加入其他指标进行更全面、准确的分析，以确定投资价值和风险水平。
同花顺指标公式代码参考：
振幅大于1：
(HIGH - LOW) / PRE_CLOSE > 0.01
周线MACD在零轴之上：
(REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1)) AND (MACD(12,26,9) > 0)
规模2亿以上：
total_mv >= 2e9
python代码参考：
# 引入Tushare库
import tushare as ts
# 查询股票数据，根据条件筛选股票
selected_stocks = []
stock_data = ts.get_stock_basics()
for code in stock_data.index:
# 获取股票数据
daily_data = ts.get_hist_data(code)
total_mv = stock_data.at[code, 'total_mv']
# 筛选符合条件的股票
if (daily_data.high - daily_data.low).mean() / daily_data.close.mean() > 0.01 and REF(MACD(12,26,9),1) > REF(MACDSIGNAL(12,26,9),1) and total_mv >= 2e9:
selected_stocks.append(code)
# 输出选中的股票
print(selected_stocks)
以技术面因素为主要选股目标,加上基本面数据因素，筛选出价格波动性和公司规模都较好的股票。然而，选取的指标较为简单，需要在实际操作中加以注意，对行业特点、政策环境等数据尽可能全面考虑。
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
